[论文解读] A Freely Available Syntactic Lexicon for English

Dania Egedi, Patrick Martin|ArXiv.org|Oct 21, 1994

Natural Language Processing Techniques参考文献 7被引用 6

一句话总结

本文提出了一套免费提供的英语句法词典，包含三万七千多个词目，其内容手工从《牛津高级学习者词典》和《牛津当代习语词典》中提取并增强。该词典支持自然语言处理，提供C语言和Lisp语言接口，配备X-windows编辑工具，旨在集成至解析器和语言学应用中，为计算语言学领域可共享、可扩展的句法资源做出了重要贡献。

ABSTRACT

This paper presents a syntactic lexicon for English that was originally derived from the Oxford Advanced Learner's Dictionary and the Oxford Dictionary of Current Idiomatic English, and then modified and augmented by hand. There are more than 37,000 syntactic entries from all 8 parts of speech. An X-windows based tool is available for maintaining the lexicon and performing searches. C and Lisp hooks are also available so that the lexicon can be easily utilized by parsers and other programs.

研究动机与目标

• 创建一个全面、手工整理的英语句法词典，以支持多种语言学应用。
• 确保句法数据的广泛可访问性与可重用性，供计算语言学领域的研究人员与开发者使用。
• 提供可扩展的软件工具，包括X-windows编辑器和程序化接口，以支持词典的维护与查询。
• 在现有词典数据基础上增强句法与习语信息，以支持自然语言处理系统。
• 向自然语言处理社区贡献一个可共享、标准化的资源，与国际语言资源开发工作保持一致。

提出的方法

• 该词典通过手工从《牛津高级学习者词典》和《牛津当代习语词典》中提取并扩充句法与习语信息构建而成。
• 每个词目均涵盖八种词性的句法行为，并包含详细的语法与搭配信息。
• 开发了一款基于X-windows的图形化工具，以促进词典条目的编辑、维护及交互式探索。
• 通过C语言和Lisp语言的应用编程接口（API）实现程序化访问，支持与编译器、解析器及语言学工具的集成。
• 该词典的设计注重可扩展性，支持增量更新与模块化扩展。
• 该资源以可共享的自然语言资源形式发布与分发，符合国际共享自然语言资源研讨会的目标。

实验结果

研究问题

• RQ1 如何系统性地从现有词典资源中构建大规模、手工整理的句法词典？
• RQ2 支持句法词典的交互式维护与程序化访问，需要怎样的技术基础设施？
• RQ3 一个免费提供、标准化的句法词典在多大程度上能提升自然语言处理系统的性能与可移植性？
• RQ4 如何一致地编码与表示句法与习语信息，以实现在自然语言处理应用中的广泛重用？
• RQ5 社区驱动、开放获取的语言学资源在推动计算语言学研究与开发方面发挥何种作用？

主要发现

• 最终的句法词典包含三万七千多个词目，涵盖全部八种词性，构成了一项规模庞大且全面的词汇资源。
• 该词典通过C语言和Lisp语言接口成功集成至自然语言处理流水线中，可直接用于解析与语言处理系统。
• 基于X-windows的编辑工具为手工整理、验证与动态查询句法条目提供了高效环境。
• 该资源于1994年8月在日本奈良举行的国际共享自然语言资源研讨会上正式展示并获接受，表明其经过同行评审并获得认可。
• 该词典作为免费开放资源的设计，促进了研究人员与开发者在原始项目范围之外的重用与改造。
• 本项目证明了从现有词典数据出发，手工增强构建高质量句法词典的可行性与价值，为未来词汇资源开发树立了先例。